論文の概要: DPsurv: Dual-Prototype Evidential Fusion for Uncertainty-Aware and Interpretable Whole-Slide Image Survival Prediction
- arxiv url: http://arxiv.org/abs/2510.00053v1
- Date: Sun, 28 Sep 2025 05:37:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-03 16:59:20.143106
- Title: DPsurv: Dual-Prototype Evidential Fusion for Uncertainty-Aware and Interpretable Whole-Slide Image Survival Prediction
- Title（参考訳）: DPsurv:Dual-Prototype Evidential Fusion for Uncertainty-Aware and Interpretable Whole-Slide Image Survival Prediction
- Authors: Yucheng Xing, Ling Huang, Jingying Ma, Ruping Hong, Jiangdong Qiu, Pei Liu, Kai He, Huazhu Fu, Mengling Feng,
- Abstract要約: 本稿では,不確実性を認識した生存区間を出力するデュアルプロトタイプ全スライディング画像顕在核融合ネットワークDPsurvを提案する。
予測結果の解釈は、特徴、推論、決定レベルで透明性を提供する。
- 参考スコア（独自算出の注目度）: 47.01828369496283
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pathology whole-slide images (WSIs) are widely used for cancer survival analysis because of their comprehensive histopathological information at both cellular and tissue levels, enabling quantitative, large-scale, and prognostically rich tumor feature analysis. However, most existing methods in WSI survival analysis struggle with limited interpretability and often overlook predictive uncertainty in heterogeneous slide images. In this paper, we propose DPsurv, a dual-prototype whole-slide image evidential fusion network that outputs uncertainty-aware survival intervals, while enabling interpretation of predictions through patch prototype assignment maps, component prototypes, and component-wise relative risk aggregation. Experiments on five publicly available datasets achieve the highest mean concordance index and the lowest mean integrated Brier score, validating the effectiveness and reliability of DPsurv. The interpretation of prediction results provides transparency at the feature, reasoning, and decision levels, thereby enhancing the trustworthiness and interpretability of DPsurv.
- Abstract（参考訳）: 病理組織像(WSI)は、細胞および組織レベルでの包括的な組織学的情報により、がん生存率の分析に広く用いられており、定量的、大規模、予後に富む腫瘍の特徴解析を可能にしている。
しかし、WSIサバイバル分析における既存の手法のほとんどは、限定的な解釈可能性と、不均一なスライド画像の予測不確実性に悩まされている。
本稿では,不確実性を認識した生存区間を出力し,パッチプロトタイプの割り当てマップ,コンポーネントのプロトタイプ,コンポーネントの相対的リスクアグリゲーションを通じて予測の解釈を可能にする,デュアルプロトタイプ全スライディング画像の顕在的融合ネットワークであるDPsurvを提案する。
5つの公開データセットの実験は、DPsurvの有効性と信頼性を検証し、最高平均一致指数と最低平均統合されたBrierスコアを達成する。
予測結果の解釈は、その特徴、推論、決定レベルでの透明性を提供し、DPsurvの信頼性と解釈可能性を高める。
関連論文リスト
- Dynamic Survival Prediction using Longitudinal Images based on Transformer [0.0]
本稿では,SurLonFormerについて紹介する。これはトランスフォーマーをベースとした新しいニューラルネットワークで,縦型医用画像と構造データを組み合わせて生存予測を行う。
本アーキテクチャは,特徴を抽出するビジョン,空間的時間的情報を集約するシーケンス,Cox比例ハザードモデルに基づくサバイバルの3つの重要な構成要素から構成される。
論文 参考訳（メタデータ） (2025-08-12T20:31:55Z) - UGPL: Uncertainty-Guided Progressive Learning for Evidence-Based Classification in Computed Tomography [0.0]
現在のアプローチでは、画像が一様に処理され、局所的な異常を検出する能力が制限される。
グローバル-ローカル分析を行う不確実性誘導型プログレッシブラーニングフレームワークであるUGPLを紹介する。
3つのCTデータセットに対する実験により、UGPLは最先端のメソッドを一貫して上回っていることが示された。
論文 参考訳（メタデータ） (2025-07-18T17:30:56Z) - M2EF-NNs: Multimodal Multi-instance Evidence Fusion Neural Networks for Cancer Survival Prediction [24.323961146023358]
本稿では,M2EF-NNと呼ばれるニューラルネットワークモデルを提案する。
画像中のグローバル情報をキャプチャするために、事前訓練された視覚変換器(ViT)モデルを用いる。
Dempster-Shaferエビデンス理論(DST)を癌生存予測に適用した最初の例である。
論文 参考訳（メタデータ） (2024-08-08T02:31:04Z) - FlowSDF: Flow Matching for Medical Image Segmentation Using Distance Transforms [60.195642571004804]
本稿では,セグメンテーションマスクの暗黙分布を表現するために,画像誘導型条件付きフローマッチングフレームワークであるFlowSDFを紹介する。
本フレームワークは,セグメンテーションマスクの正確なサンプリングと関連する統計指標の計算を可能にする。
論文 参考訳（メタデータ） (2024-05-28T11:47:12Z) - Heterogeneous Image-based Classification Using Distributional Data
Analysis [0.1471145775252885]
画素レベルの特徴の確率(量子)分布を組み込んだ新しい画像ベース分布データ解析(DDA)手法を開発した。
提案手法の特徴として, (i) 画像内の不均一性を考慮し, (ii) 分布全体にわたる粒度の情報を取り込み, (iii) がん応用における未登録画像に対する画像サイズの変化に対処する能力がある。
論文 参考訳（メタデータ） (2024-03-11T19:41:40Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - SSMD: Semi-Supervised Medical Image Detection with Adaptive Consistency
and Heterogeneous Perturbation [47.001609080453335]
SSMD(Semi-Supervised Medical Image Detector)を提案する。
SSMDの背後にあるモチベーションは、各位置での予測を一貫性のあるものにすることで、ラベルのないデータに対して、自由かつ効果的な監視を提供することである。
広範な実験結果から,提案したSSMDは,幅広い環境下での最先端性能を実現することが示唆された。
論文 参考訳（メタデータ） (2021-06-03T01:59:50Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。